Часто в литературе по физике конденсированного состояния можно встретить гамильтониан, который выглядит примерно так:
Если бы кто-то знал волновую функцию, подобную , то было бы легко просто применить гамильтониан и делать все, что угодно. Но предположим, что у меня нет этого и нужно прямо диагонализовать чтобы вычислить его собственные значения и собственные векторы (например, при моделировании такой модели на решетке на компьютере), как мне это сделать?
Как бы убедиться, что отличается от ? Единственный способ сделать это — запустить их на каком-то предполагаемом (случайном) вращении, существующем на их сайтах. Но если это сделать, то гамильтониан будет суммой произведения двух матрицы ( матрица), что не имеет смысла!
Может ли кто-нибудь уточнить, где я ошибаюсь? По сути, я хочу диагонализовать гамильтониан приведенной выше формы на компьютере (используя, скажем, Mathematica, которая имеет встроенные функции для получения собственных значений и собственных векторов), не зная собственных функций.
Редактировать: после дальнейшего размышления, сказав, что вращение на любом конкретном сайте является матрица, я неявно предполагаю, что это нетензорное состояние? Даже если это правда, как это поможет определить правильную размерность гамильтониана для его диагонализации?
Гильбертово пространство спиновой цепи длины задается тензорным произведением копии гильбертова пространства одного спина. Предположим, мы говорим о спин- , размерность пространства .
В этом контексте «оператор, действующий на один спин» означает -мерный оператор, полученный как тензорное произведение двумерного оператора с копии двумерного тождества, так что действие на другие спины тривиально.
Например, учитывая ( ) Матрица Паули ,
Точно так же оператор «двух тел» можно явно написать
Диагонализация такого гамильтониана численно является трудной задачей. В принципе, с приведенными выше выражениями вы можете явно построить матрицу на своем любимом языке программирования (например, в Mathematica, используя KroneckerProduct
и PauliMatrix
). Однако, как отмечалось выше, размер растет экспоненциально с количеством спинов, а это означает, что вы даже не сможете добраться до
.
Поэтому нужно найти более разумные способы делать вещи; например, отправной точкой было бы представление как разреженная матрица. Это активная область исследований, и даже с современными алгоритмами и большими компьютерами люди могут решить задачу максимум за несколько десятков спинов.